Использование искусственного интеллекта для обнаружения и анализа аномального поведения в сетях с целью защиты информации

ВВЕДЕНИЕ 4
ГЛАВА 1. ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И АНОМАЛИЙ В СЕТЯХ 7
1.1. ПОНЯТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 7
1.2. ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ 10
1.3. АНОМАЛИИ В СЕТЯХ И ИХ КЛАССИФИКАЦИЯ 13
ГЛАВА 2. МЕТОДЫ ОБНАРУЖЕНИЯ АНОМАЛИЙ В СЕТЯХ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 16
2.1. СТАТИСТИЧЕСКИЕ МЕТОДЫ ОБНАРУЖЕНИЯ АНОМАЛИЙ 16
2.2. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ 19
2.3. ГЛУБОКОЕ ОБУЧЕНИЕ И НЕЙРОННЫЕ СЕТИ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ 22
ГЛАВА 3. АНАЛИЗ АНОМАЛЬНОГО ПОВЕДЕНИЯ В СЕТЯХ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 25
3.1. ВИЗУАЛИЗАЦИЯ И ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ 25
3.2. КЛАСТЕРИЗАЦИЯ АНОМАЛЬНЫХ СОБЫТИЙ 28
3.3. ПРОГНОЗИРОВАНИЕ АНОМАЛЬНОГО ПОВЕДЕНИЯ В СЕТЯХ 31
ГЛАВА 4. ЗАЩИТА ИНФОРМАЦИИ НА ОСНОВЕ ОБНАРУЖЕНИЯ И АНАЛИЗА АНОМАЛИЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 34
4.1. РАЗРАБОТКА СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ НА ОСНОВЕ ОБНАРУЖЕНИЯ АНОМАЛИЙ 34
4.2. ИНТЕГРАЦИЯ СИСТЕМЫ ОБНАРУЖЕНИЯ АНОМАЛИЙ В СЕТИ 37
4.3. ОЦЕНКА ЭФФЕКТИВНОСТИ СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ НА ОСНОВЕ ОБНАРУЖЕНИЯ АНОМАЛИЙ 40
ЗАКЛЮЧЕНИЕ 43
СПИСОК ЛИТЕРАТУРЫ 45

Весь текст будет доступен после покупки

Современные информационные технологии играют важную роль в нашей жизни, они стали неотъемлемой частью работы, общения и развлечений. Однако, с развитием технологий появляются новые угрозы, связанные с нарушением информационной безопасности. Киберпреступники постоянно совершают атаки на сети и системы, чтобы получить незаконный доступ к конфиденциальной информации или причинить вред организациям и частным лицам. В связи с этим, защита информации становится актуальной задачей.
Одним из эффективных инструментов, используемых для обнаружения и анализа аномального поведения в сетях, является искусственный интеллект. Искусственный интеллект (ИИ) — это область компьютерной науки, которая занимается созданием компьютерных систем, способных выполнять задачи, требующие интеллекта человека. Он может использоваться для анализа больших объемов данных, выявления необычных или аномальных паттернов и поведения в сетях, а также для принятия решений на основе полученной информации.
Целью данной работы является изучение возможностей использования искусственного интеллекта для обнаружения и анализа аномального поведения в сетях с целью защиты информации. Для достижения этой цели необходимо рассмотреть основы искусственного интеллекта и аномалий в сетях, изучить методы обнаружения аномалий в сетях с использованием искусственного интеллекта, провести анализ аномального поведения в сетях с использованием искусственного интеллекта, а также рассмотреть возможности защиты информации на основе обнаружения и анализа аномалий с использованием искусственного интеллекта.

Весь текст будет доступен после покупки

ГЛАВА 1. ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И АНОМАЛИЙ В СЕТЯХ
1.1. ПОНЯТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В современном мире информационных технологий, где сети стали неотъемлемой частью нашей повседневной жизни, защита информации становится все более актуальной задачей. Вместе с развитием технологий появляются новые угрозы и методы атак, которые могут привести к серьезным последствиям для безопасности данных. Для борьбы с этими угрозами все чаще используется искусственный интеллект (ИИ), который позволяет обнаруживать и анализировать аномальное поведение в сетях и предотвращать возможные атаки.
Основы искусственного интеллекта
Искусственный интеллект — это область компьютерных наук, которая изучает создание интеллектуальных систем, способных выполнять задачи, требующие человеческого интеллекта. Основной целью искусственного интеллекта является разработка алгоритмов и моделей, которые позволяют компьютерам анализировать данные, извлекать знания, принимать решения и обучаться на основе опыта [25].
Одним из ключевых аспектов искусственного интеллекта является машинное обучение. Машинное обучение — это метод обработки данных, который позволяет компьютерам обучаться на основе опыта и делать прогнозы или принимать решения без явного программирования. В машинном обучении используются различные алгоритмы и модели, такие как нейронные сети, деревья решений, генетические алгоритмы и другие [4].

Весь текст будет доступен после покупки

1. Аброськина Е. С. АНАЛИЗ МЕТОДОВ ВЫЯВЛЕНИЯ СЕТЕВЫХ ВТОРЖЕНИЙ И АНОМАЛИЙ // Экономика и социум. – 2021. – №. 3-2 (82). – С. 688-698. URL: https://cyberleninka.ru/article/n/analiz-metodov-vyyavleniya-setevyh-vtorzheniy-i-anomaliy (дата обращения: 13.05.2024).
2. Ангапов В. Д. и др. ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ В ЗАЩИТЕ ИНФОРМАЦИОННЫХ СИСТЕМ // Наука, техника и образование. – 2023. – №. 4 (92). – С. 20-26. URL: https://cyberleninka.ru/article/n/ispolzovanie-tehnologiy-mashinnogo-obucheniya-v-zaschite-informatsionnyh-sistem (дата обращения: 13.05.2024).
3. Анищенко В. В. и др. Выявление аномального поведения системами обнаружения атак при интервально-значном представлении данных // Штучний інтелект. – 2012. URL: http://dspace.nbuv.gov.ua/handle/123456789/57302 (дата обращения: 13.05.2024).
4. Артамонов В. А., Артамонова Е. В. Искусственный интеллект в системах безопасности // Защита информации. Инсайд. – 2022. – №. 5. – С. 2-11. URL: http://itzashita.ru/wp-content/uploads/2022/10/Artamonov_03.pdf (дата обращения: 13.05.2024).
5. Артюшкина Е.С., Сафиуллин Д.Ф., Чёрная А.В. ИСПОЛЬЗОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В ЗАЩИТЕ ИНФОРМАЦИИ // Индустриальная экономика. 2023. №4. URL: https://cyberleninka.ru/article/n/ispolzovanie-intellektualnyh-sistem-v-zaschite-informatsii (дата обращения: 13.05.2024).
6. Большаков Александр Сергеевич, Хусаинов Руслан Валерьевич, Осин Андрей Владимирович ОБНАРУЖЕНИЕ АНОМАЛИЙ ТРАФИКА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ ДЛЯ ОБЕСПЕЧЕНИЯ ЗАЩИТЫ ИНФОРМАЦИИ // I-methods. 2021. №4. URL: https://cyberleninka.ru/article/n/obnaruzhenie-anomaliy-trafika-s-ispolzovaniem-neyronnoy-seti-dlya-obespecheniya-zaschity-informatsii (дата обращения: 13.05.2024).
7. Браницкий А. А., Котенко И. В. Анализ и классификация методов обнаружения сетевых атак // Информатика и автоматизация. – 2016. – Т. 2. – №. 45. – С. 207-244. URL: http://proceedings.spiiras.nw.ru/index.php/sp/article/view/3267 (дата обращения: 13.05.2024).
8. Васильев В. И., Шамсутдинов Р. Р. Интеллектуальная система обнаружения сетевых атак на основе механизмов искусственной иммунной системы // Моделирование, оптимизация и информационные технологии. – 2019. – Т. 7. – №. 1. – С. 521-535. URL: https://scholar.archive.org/work/upsiv44vv5bfnbvgrh466zo6dm/access/wayback/https://moit.vivt.ru/wp-content/uploads/2019/01/VasilyevShamsutdinov_1_19_1.pdf (дата обращения: 13.05.2024).
9. Васильев Владимир Иванович, Гвоздев Владимир Ефимович, Шамсутдинов Ринат Рустемович ОБНАРУЖЕНИЕ АНОМАЛИЙ В СИСТЕМАХ ПРОМЫШЛЕННОГО ИНТЕРНЕТА ВЕЩЕЙ НА ОСНОВЕ ИСКУССТВЕННОЙ ИММУННОЙ СИСТЕМЫ // Доклады ТУСУР. 2021. №4. URL: https://cyberleninka.ru/article/n/obnaruzhenie-anomaliy-v-sistemah-promyshlennogo-interneta-veschey-na-osnove-iskusstvennoy-immunnoy-sistemy (дата обращения: 13.05.2024).
10. Власенко Александра Владимировна, Дзьобан Павел Игоревич, Жук Роман Владимирович ОБЗОР ИНСТРУМЕНТОВ МАШИННОГО ОБУЧЕНИЯ И ИХ ПРИМЕНЕНИЯ В ОБЛАСТИ КИБЕРБЕЗОПАСНОСТИ // Прикаспийский журнал: управление и высокие технологии. 2020. №1 (49). URL: https://cyberleninka.ru/article/n/obzor-instrumentov-mashinnogo-obucheniya-i-ih-primeneniya-v-oblasti-kiberbezopasnosti (дата обращения: 13.05.2024).
11. Денисенко В.В., Ященко А.С. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АНАЛИЗА СЕТЕВОГО ТРАФИКА // Международный журнал гуманитарных и естественных наук. 2023. №1-1 (76). URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-dlya-analiza-setevogo-trafika (дата обращения: 13.05.2024).

Весь текст будет доступен после покупки